基于Meixner过程的Cliquet期权定价

2022-6-9 20:50:47

现代随机：理论与应用5（1）（2018）81–97https://doi.org/10.15559/18-VMSTA96CliquetMeixner Processmarkus HessR+V Lebensversicherung AG，Raiffeisenplatz 2，65189 Wiesbaden，GermanyMarkus期权定价-Hess@gmx.net（M.Hess）收到日期：2017年9月27日，修订日期：2018年1月2日，接受日期：2018年1月21日，在线发布日期：2018年2月12日摘要我们研究了几何Meixner模型中cliquet期权的定价。考虑的期权是月度总和上限式的，而基础股票价格模型是由产生Meixner分布对数回报的纯跳跃Meixner–Lévy过程驱动的。在这种情况下，我们通过使用驱动Meixner–Lévy过程的概率分布函数，并通过应用Fouriertransform技术，推导出cliquet期权价格的半解析表达式。在介绍部分，我们汇编了有关Meixner分布和Meixner-Lévy过程相关类的各种事实。我们还提出了一个定制的度量更改，该更改保留了任何Meixner过程的Meixner分布。Cliquet期权定价、路径依赖型奇异期权、股票指数年金、金融资产对数收益、Meixner分布、Meixner–Lévy过程、随机微分方程、概率测度变化、特征函数、Fourier transform2010 MSC Primary60G51、60H10、60H30；次级91B30、91B70JEL分类G22、D521简介基于Cliquet期权b的合同构成股票指数年金的自定义d子类。常见的基础期权是基于与某些参考股票指数相关的月度封顶利率之和的月度封顶式支付ACR编辑收益率。在这方面，cliquet型投资属于路径依赖型奇异期权。在[15]中，cliquet期权被视为“股票衍生品世界中的最高价”。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:50:52

在文献中，cliquet期权有不同的定价方法，包括偏微分方程（见[15]）、蒙特卡罗技术（见[2]）、提交给VTeX/Modern Stochastics:Theory and Applications的与inversePreprint相关的数值递归算法。＜2018年3月28日＞www.vmsta。org82 M.HessLaplace变换（见[9]）和分析计算方法（见[3、7、8]）。本文属于最后一类。本文的目的是为具有多重重置时间的全球流动局部封顶cliquet期权提供分析定价公式，其中基础参考股票指数由纯跳跃时间同基因ous Me ixner–Lévy过程驱动。在此设置中，我们在两种不同的方法下推导cliquet期权价格公式：一种是使用驱动Meixner–Lévyprocess的分布函数，另一种是应用傅里叶变换技术（如[8]所述）。总之，本文可以看作是[8]的附文（但在很大程度上是独立的），因为它将[8]中得出的结果具体应用于Meixner–Lévy过程。本文的组织结构如下：在第2节中，我们汇编了关于Meixner分布和随机Meixner-Lévy过程的相关事实。在第3节中，我们引入了一个由Meixner–Lévy过程驱动的几何纯跳跃股价模型。在第3.1节中，我们建立了一个自定义的d结构保留度量，将风险中性度量更改为物理概率度量。第4节专门讨论cliquet期权的定价。我们使用第4.1节中的驱动Meixner–Lévy过程的概率分布函数和第4.2节中的傅里叶变换技术，获得了cliquetoption价格的半解析表达式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:50:55

在第5节中，我们得出结论。2 Meixner processesLet综述(Ohm, F、（Ft）t∈[0，T]，Q）是满足通常假设的过滤概率空间，即Ft=Ft+：=∩s> TFS表示一个右连续过滤，F表示由所有Q-空集增强的西格玛代数（参见[10]第3页）。这里，Q是风险中性概率测度，0<T<∞ de注意到有限的时间范围。在下文中，我们汇编了[1、6、12、13]和[14]中关于Meixner分布和Meixner-Lévy过程的各种事实。一个实值、cádlág、纯跳跃、时间齐次Lévy过程M=（Mt）t∈满足M=0的[0，T]（具有独立的T和固定的增量）称为Meixner（-Lévy）过程，缩放参数α>0，形状/偏度参数β∈ (-π、 π），峰值参数δ>0，位置参数te ru∈ R、如果mt具有Lévy–It^odecompositionMt=θt+ZtZRzdNQ（s，z）（2.1），其中R：=R \\{0}，漂移参数θ：=u+Δαtan（β/2）（2.2）是实值常数，Q补偿泊松随机测度（PRM）由dNQ（s，z）：=dN（s，z）给出- dνQ（z）ds（2.3）Cliquet期权定价，Meixner过程83，正的和有限的Meixner型Lévy测量νQ（z）：=δeβz/αz sinh（πz/α）dz（2.4）（参见[12，13]，等式（3）]，满足νQ（{0}）=0和Zr1.∧ zdνQ（z）<∞.我们表示Mtby的Lévy三重态（θ，0，νQ）。（请注意，此符号与[6，8]不完全一致。）我们记得mt拥有所有阶的矩（参见[13]第5.3.10节）。显然，mt没有布朗运动部分。SinceZR | z | dνQ（z）=∞工艺MThas in finite variation（参见[13]第5.3.10节）。我们为任何固定的∈ [0，T]公吨~ M（α，β，δt，ut）（参见[1]中的第3.6节），并表示M是在Q下的Meixner分布，参数为α，β，δ和u。从（2.1）和（2.2）中，我们立即得到平均值Eq【Mt】=θt=ut+δtαtan（β/2）（2.5），根据Eq。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-9 20:50:59

（11）在[6]中。分别由varq[Mt]=δtαcos（β/2）、SQ[Mt]=p2/（δt）sin（β/2）、KQ[Mt]=3+2给出的马尔的方差、偏度和峰度- cos（β）δt（参见[1]中的表6]）。Fu rthermore，代表所有x∈ R和t∈ [0，T]Mtunder Q的实值概率密度函数（pdf）读取为asfMt（x）：=（2 cos（β/2））2δt2παΓ（2δT）eβ（x-ut）/αΓδt+ix- utα（2.6）（参见[1，12]，式（4）中的[6]），其中Γ（ζ）：=Z∞uζ-1e级-ududenotes the gamma f function，该函数为所有ζ定义∈ C，Re（ζ）>0。考虑到gamma函数和Euler公式的定义，我们得到δt+ix- utα=Z∞+uδt-1e级-ucos公司x个- utαln udu84 M.Hess+iZ∞+uδt-1e级-usin公司x个- utαln uduwhich暗示Γδt+ix- utα=Z∞+uδt-1e级-ucos公司x个- utαln u杜+Z∞+uδt-1e级-usin公司x个- utαln udu！。请注意，后一个对象出现在（2.6）中。MTF的累积分布函数（cdf）不具有封闭形式的表示，但可以用数值计算。此外，由于φMt（u）：=公式eiuMt公司= eψ（u）t（2.7），i=-1，u∈ R、 t型∈ [0，T]和特征指数ψ（u）：=iuu+Δαtanβ+ δZReiuz- 1.- iuzzeβz/αsinh（πz/α）dz。（2.8）此外，让我们定义确定函数q的傅里叶变换，分别为逆Fourie r变换∈ L（R）通过^q（y）：=ZRq（x）eiyxdx，q（x）=2πZR^q（y）e-iyxdy。那么对于所有u∈ R和t∈ [0，T]我们得到了众所周知的关系式φMt（u）=^fMt（u），其中^fMt表示（2.6）中定义的密度函数fMtde的傅立叶变换。傅里叶逆变换yieldsfMt（x）=2πZReψ（u）t的一个应用-iuxduthanks至（2.7）。另一方面，从[6]中的公式（1）中，我们知道φMt（u）=eiuutcos（β/2）cosh（（αu- iβ）/2）2δt（2.9），其中u∈ R和t∈ [0，T]。取（2.7）和（2.9）中的对数，我们最终推导出ψ（u）=iuu+2δln c操作系统β- ln co sh公司αu- iβ.

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:01

（2.10）此外，对于M e ixner分布，以下特性是众所周知的（参见【14】、【13】中的第5.3.10节、【1】中的第3.6节、【6】中的推论1）。Meixner过程85Lemma 2.1的Cliquet期权定价。（a）如果X~ M（α，β，δ，u），然后cX+M~ M（cα，β，δ，cu+M），常数c>0和M∈ R、（b）如果X~ M（α，β，δ，u）和d X~ M（α，β，δ，u）是独立的随机变量，然后是X+X~ M（α，β，δ+δ，u+u）。（c） Meixner分布随机变量X的特征函数φX（u；α，β，δ，u）~ 对于任意n，M（α，β，δ，u）满足φX（u；α，β，δ，u）=φX（u；α，β，δ/n，u/n）∈ N使得梅克斯纳分布是完全可分的。3由Meixner processLet t驱动的股价模型∈ [0，T]并定义随机股价过程StviaSt：=SeMt+bt（3.1），确定初始值S，常数b∈ R和实值Meixner过程mt=θt+ZtZRzdNQ（s，z），如（2.1）–（2.4）中的介绍。这里，常数b提供了一些额外的自由度，引入d以确保股票价格模型的无套利性。关于这个话题的更多细节将在下面给出。验证（3.1）与[8]中的（2.2）–（2.3）属于相同的模型类别（几何模型）。Wenext介绍历史过滤FT：=σ{Su:0≤ u≤ t} =σ{Mu:0≤ u≤ t} 。利用It^o的公式，我们得到了随机微分方程（SDE）dStSt-=θ+硼+锆ez公司- 1.- zdνQ（z）dt+ZRez公司- 1.Q下的dNQ（t，z）。让我们通过^St:=stbt进一步定义贴现股票价格，其中STI（如（3.1）中定义的）和Bt:=ertis是标准化初始资本B=1且风险减去利率r>0的银行账户的价值。由于（3.1），我们发现^St=SeMt+（b-r） t其公式为Qd^St^St下的以下SDE-=θ+b- r+ZRez公司- 1.- zdνQ（z）dt+ZRez公司- 1.dNQ（t，z）。86米。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

能者818

2022-6-9 20:51:04

他根据无套利理论，贴现股票价格必须在风险中性概率测度Q下形成鞅。因此，我们要求赎回限制B=r- θ -锆ez公司- 1.- zdνQ（z）。（3.2）通过选择系数b，我们推断出-= rdt+ZRez公司- 1.dNQ（t，z）在Q.组合（3.1）和（3.2）下，我们接收=Sertexp（ZtZRzdNQ（s，z）-ZtZR公司ez公司- 1.- zdνQ（z）ds），其中右侧的最后一个因子构成一个Doléans Dade指数，它再次显示了贴现股价过程的Q鞅性质^St=Ste-rt.此外，考虑到（2.2）、（2.4）、（2.8）和（2.10），等式（3.2）可表示为b=r- ψ(-i） =r- u - 2δlncos（β/2）cos（（α+β）/2）. （3.3）除非另有说明，从现在起，我们假设常数b∈ （3.1）中的R是（3.3）中给出的suc h。尽管构成了一个可接受的选择，但在实际应用中，取b=0in（3.1）–（3.3）可能过于严格。在下文中，我们调查了与我们的模型（3.1）相关的日志检索。对于任意时间步长 > 0和t≤ T- 我们获得St公司+St公司~=M+ b ~ Mα, β, δ, （u+b）引理2.1（a）。这里是符号~=表示分布均匀。因此，在我们的股价模型（3.1）中，对数回报率是Meixner分布的。我们强调，在【12】中，梅克斯纳分布证明了经验财务日志的良好回报。此外，对于n∈ N我们引入了时间分割P：={0<t<t<···<tn≤ 定义与该期间相关的收益/收入流程-1，tk]viaRk：=Stk- Stk公司-1Stk公司-1其中k∈ {1，…，n}。将（3.1）代入后一个方程yieldsRk=eYtk-Ytk公司-1.- 1（3.4），其中YT：=Mt+bt~ Mα、 β，δt，（u+b）t采用Meixner流程87的Cliquet期权定价是Meixner-Lévy流程。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:07

考虑到（2.1）–（2.4）和（3.3），我们得到y=γt+ZtZRzdN（s，z）（3.5），其中γ：=r+δα-棕褐色β- 2英寸cos（β/2）cos（（α+β）/2）-ZReβz/αsinh（πz/α）dz是实值常量。回想一下，上文（3.5）中给出的Me ixner–Lévy过程Y只是[8]中等式（2.3）中定义的更一般的Lévy过程ss X的特例。因此，[8]中导出的cliquet期权定价结果同时应用于我们当前的Meixner模型。下面的第4节提供了有关此主题的更多详细信息。还要注意，R，rAre Q-独立随机变量和Rk>-1 Q——几乎可以肯定的是，对于所有k来说，Y是一个Lévy过程，在Q下，我们观察Ytk- Ytk公司-1.~=Yτ（平稳增量），其中τ：=tk- tk公司-1（等距分割）。这里是符号~=表示分布均匀。为了符号的简单性，除非另有说明，否则我们总是在以下等距时间点的假设下工作。将（3.4）考虑进去，我们得到了Rk和YτQ（Rk）的累积分布函数之间的子序列关系≤ ξ） =QYτ≤ ln（1+ξ）（3.6）式中ξ>- 1是任意实值常量。3.1对物理概率度量的结构保持度量更改称我们在前几节中的风险中性概率度量Q下工作。由于金融资产的对数收益通常在物理指标P下观察到（而不是在Q下），因此我们在续集中确定了从Q到P的指标变化。在这种情况下，我们必须特别注意度量值更改的所谓结构保持属性，因为P下的日志返回s将再次遵循Meixner分布。换言之，Q下（2.1）中介绍的Meixner过程也应是P下的Meixner过程。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:11

首先，对于t∈ [0，T]我们定义了氡-尼古丁密度过程∧T：=dPdQFt：=exp（ZtZRh（z）dNQ（s，z）-ZtZR公司eh（z）-1.-h（z）dνQ（z）ds），其中Q补偿的PRMnqa和相应的Lévy度量νQaresuch分别如（2.3）中所定义（2.4），而h（z）是R上的时间无关确定性函数。回想一下，我们可以用局部Q鞅过程lt=ZtZRh（z）dNQ（s，z）88 M来写∧t=eLtEQ[eLt]。Hessuch认为密度过程∧是Esscher变换类型。注意∧是一个不连续的Doléans-Dade指数，它在满足SDEd∧t=∧t的Q下构成局部鞅-锆eh（z）- 1.dNQ（t，z）。根据[5]中的定理12.21，我们进一步施加Novikov条件eq“exp（ZtZR1.- eh（z）+h（z）eh（z）dνQ（z）ds）#<∞对于所有t∈ [0，T]。然后它保持等式∧t≡ 所有t均为1∈ [0，T]使得∧构成一个Q-鞅。因此，我们可以将Girsanov定理应用于dNP（s，z）：=dN（s，z）- dνP（z）ds（3.7）构成P补偿泊松随机测度，Lévy测量的νP（z）：=eh（z）dνQ（z）。（3.8）注意，Novikov条件等同于要求thatZR1.- eh（z）+h（z）eh（z）dνQ（z）<∞因为h和νq都是终结论的。（2.1）、（2.3）、（3.7）和（3.8）的组合产生以下Lévy–It^odecompositionMt=θ+ZRzeh（z）- 1.dνQ（z）P下的t+ZtZRzd▄NP（s，z）（3.9），其中θ、νQand▄NP分别为（2.2）、（2.4）和（3.7）中定义的su c h。剩下的挑战在于找到一个合适的函数h（z），该函数首先完全满足Novikov条件，其次，保证νPin（3.8）构成Me ixner类型的Lévy度量，第三，确保Mtin（3.9）是Meixner–Lévy过程。在这方面，我们建议使用规范h（z）：=β*- 从现在起，βαz（3.10）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:14

其中，恒定偏斜度参数β*∈ (-π、 π）满意度β*6=β，而α>0是上述标度参数。注意，取β*= β表示h（z）≡ 0，因此P=Q。将（3.8）与（2.4）和（3.10）结合，得出νP（z）=δeβ*z/αz sinh（πz/α）dz（3.11），它与参数α，β共同构成一个Me ixner型Lévy测量*和δ[recallEq.（2.4）]。此外，对于（3.8）和（3.10），我们得到了Zr1.- eh（z）+h（z）eh（z）dνQ（z）=νQ（R）- νP（R）+β*- βαZRzdνP（z）Cliquet期权定价，Meixner过程89，这是有限的，因为Lévy度量νQandνparefinite。因此，（3.10）中定义的函数h（z）确实符合Novikov条件。进一步，我们将（2.2），（2.4），（3.9）和（3.10）加入到ac计数中，并接收EP【Mt】=θ*带漂移参数θ的t（3.12）*:= u*+ δαtanβ*以及常量和实值位置参数u*:= u + δα-棕褐色β- α-棕褐色β*+ZReβ*z/α- eβz/αsinh（πz/α）dz. （3.13）顺便注意，（3.12）具有与（2.5）相同的结构。同时验证θ*- θ=δZReβ*z/α- eβz/αsinh（πz/α）dz=ZRzdνP（z）- dνQ（z）（3.14）由于（2.2）、（2.4）、（3.11）、（3.12）和（3.13）。总之，结合（3.9）与（2.4）、（3.10）和（3.14），我们得出de thatMt=θ*t+ZtZRzdNP（s，z）（3.15），在P下构成一个Meixner-Lévy过程，分布为t~ Mα, β*, δt，u*t型. （3.16）因此，我们称最近引入的度量变化结构保持。回想一下，在Q下的第2节中，我们观察到Mt~ 另一方面，M（α，β，δt，ut）。因此，提议的度量变化既不影响缩放参数α，也不影响峰值参数δ，而偏度参数β和位置参数u都发生了变化。此外，在（3.15）中声称的过程M的Lévy trip le t由（θ）给出*, 0，νP）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:17

与（3.3）中提供的结果类似，我们指出，und e r P it holdslnSt公司+St公司~=M+ b ~ Mα, β*, δ,u*+ b由于引理2.1（a）。在这里 > 0是常数t，b如（3.3）所示。因此，如果我们像（3.10）中那样指定Rado n–Nikodym函数h（z），则对数返回sagain的n是Meixner分布在真实概率测度P下。进一步注意，θt+ZtZRzdNQ（s，z）=Mt=θ*t+ZtZRzdNP（s，z）90 M。对于所有t，Hessholds P-分别为Q-几乎可以肯定∈ [0，T]感谢（2.1）和（3.15）。在PVarP【Mt】=δtαcos（β）下，我们得到了Mt的方差、偏斜ss和峰度的以下表达式*/2），SP【Mt】=p2/（δt）sinβ*/2.,KP【Mt】=3+2- cos（β*)δt在P下，Mtare的密度和特征函数，如（2.6）和（2.9）中给出的，其中用u和β替换为u*和β*, 分别地3.1.1广义结构保持测度变化在本节中，我们提出了从风险中性到物理概率测度的广义结构保持测度变化。回想一下，上面提出的度量更改仅影响偏度参数β和位置参数u，而标度参数α和泄漏度参数δrem均未触及。从实际角度来看，这一事实可能被视为一个优势，因为当从风险中性变为物理概率度量时，无需重新校准参数α和δ。相反，当在P下进行校准时，所描述的特征可能同样会导致一些困难，因为P参数α和δ的值必须与Q下的值相同，从而产生一定的灵活性损失。为了避免这一缺点，我们现在提出了一种广义测量变化，它会影响Meixner分布的四个参数中的每一个。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:22

为此，我们目前要求P下的Meixner–Lévy测度的形式为dνP（z）=δ*eβ*z/α*z sinh（πz/α*)dz（3.17）[参考等式（2.4）]和新参数α*> 0, β*∈ (-π、 π）和δ*> 0是不同的fr omα、β和δ，之前在Q下引入。按照这种方法，我们得到等式eh（z）=δ*sinh（πz/α）δsinh（πz/α*)经验值β*α*-βαz由于（3.17）、（3.8）和（2.4）。取后一个等式中的对数，我们得到h（z）=β*α*-βαz+lnδ*sinh（πz/α）δsinh（πz/α*)（3.18），对应于上述（3.10）。请注意，（3.18）对于所有z定义良好∈ 如果取α，我们得到的Rand（3.10）*= α和δ*= δin（3.18）。因此，（3.10）是（3.18）的特例。此外，如果我们取α*= α和β*= βin（3.18），那么我们得到h（z）=lnδ*- lnδ是常数，与z无关。我们将我们的发现总结在以下命题中。提案3.1。考虑从风险中性到氡-Nikodym密度过程∧的ph物理概率测量的测量变化，如第3.1节开头所定义的。当且仅当Radon–Nikodym函数h（z）的形式为（3.18）时，新的Lévy测度νPunder P再次为Meixner类型。Cliquet期权定价与Meixner过程91在续集中，我们研究了与Radon–Nikodym函数h（z）相关的P下相应Meixner–Lévy过程的分布性质（3.18）。将（2.2）、（2.4）和（3.18）代入（3.9）得到以下Lévy–It^o分解，PMt=θt+ZtZRzdNP（s，z）（3.19），确定性和实值漂移参数θ：=u+Δαtanβ+ δ*ZReβ*z/α*sinh（πz/α*)dz公司- δZReβz/αsinh（πz/α）dz。（3.19）中给出的Meixner–Lévy过程mt具有Lévy三重态（θ，0，νP），其中νPis su c h如（3.17）中所述。在下一步中，我们要求θ的形式为（2.2），即θ=u+δ*α*棕褐色的β*/2.使用一些新的位置参数ru∈ R

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:25

在此开始之后，我们推断u=u+Δαtanβ-δ*α*棕褐色的β*+δ*ZReβ*z/α*sinh（πz/α*)dz公司-δZReβz/αsinh（πz/α）dz。因此，如果使用（3.18）中定义的Radon–Nikodym函数h（z）执行从Q到P的测量变化，则相应的Meixner–Lévy过程Mtagain是Meixner分布在P下的参数smt~ Mα*, β*, δ*t、 ut. （3.20）如果我们将（3.20）与（3.16）进行比较，我们可以看到，在与（3.18）相关的广义测度变化中，Meixner–Lévy过程M的四个参数中的每一个都受到影响。4几何Meixner模型中的Cliquet期权定价本节专门讨论第3章中Meixner股价模型中Cliquet期权的定价。由于上述（3.5）中的梅克斯纳过程Y只是【8】中等式（2.3）中定义的更一般的莱维过程X的特例，因此【8】中得出的客户定价结果同时适用于我们目前的梅克斯纳-莱维建模情况。详情将在当前部分的其余部分中解决。与文献[8]和文献[3]中的公式（1.1）平行，我们考虑了一个月和上限式的cliquetoption，其中T是到期时间，K de注意到名义（即初始投资），gis是到期担保利率，c≥ 0是本地cap，RK是返回过程92 M。Hessgiven in（3.4）。回想一下，回报Ht由常数K（1+g）全局确定，由c局部确定。通过案例区分，我们得到Ht=K max（1+g，1+nXk=1min{c，Rk}）=K1+g+max（0，nXk=1Zk）！所有k的位置∈ {1，…，n}出现的对象szk：=min{c，Rk}- g/n（4.1）是独立的同分布（i.i.d.）随机变量。请注意，Rkis Ftk可测量，因此HTis Ftn可测量。自tn起≤ T，它是FtnFTsuch认为Ht构成了FT可测量的索赔。像以前一样，让我们把恒息率降低r>0。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:28

那么时间t的价格≤ 收益率为T的cliquet期权的T由贴现的风险中性条件期望给出，即Ct=e-r（T-t）当量（HT | Ft）。结合后一个方程，我们得到c=Ke-rT1+g+EQ“max（0，nXk=1Zk）#！（4.2），这表明考虑的带回报Ht的cliquet期权本质上是一个普通的看涨期权，在Pnk=1Zk.Proposition 4.1（cliquet option price）下面的篮子样式上写有执行零。让k∈ {1，…，n}并考虑独立同分布的随机变量Zk=min{c，Rk}-序号，其中C≥ 0是本地cap，RK是（3.4）中给出的返回过程，g是担保到期日。用T表示到期时间，用K表示名义到期时间，用r表示无风险利率。然后，带回报的期权在时间零点的价格可以表示为asC=Ke-rT1+g+nEQ[Z]+πZ∞+1.- Re（φZ（x））xdx！（4.3）其中Re表示实部，特征函数φZ（x）通过φZ（x）定义：=nYk=1φZk（x）=nYk=1EQeixZk公司=φZ（x）n个=均衡器eixZ公司n、（4.4）证明。见道具证明。[3]中的3.1，分别为支柱。3.1英寸【8】。在随后的章节中，我们推导了定价公式（4.3）中出现的φZ（x）和等式[Z]的显式表达式。如前所述，我们坚持假定即时重置时间，并设置τ=tk- tk公司-1对于所有k∈ 以下为{1，…，n}。带Meixner过程的Cliquet期权定价934.1带分布函数的Cliquet期权定价我们首先应用一种涉及概率分布函数的方法（参见[3]和[8]中的第3.1节）。我们初步研究了（4.4）中定义的φZ（x）的处理方法。提案4。2、让Yτ~ M（α，β，Δτ，（u+b）τ），假设that Zk=min{c，Rk}- g/n，其中k∈ {1，…，n}。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:31

那么Q下的特征函数Zk可以表示为φZk（x）=e-ix（1+g/n）eix（1+c）Z∞1+cfYτ（u）du+Z-∞fYτ（u）du+Z1+ceixufYτ（u）du！（4.5）式中fyτ（u）=（2 cos（β/2））2Δτ2παΓ（2Δτ）eβ（u-（u+b）τ）/αΓΔτ+iu- （u+b）τα（4.6）构成（3.5）中给出的Meixner–Lévy过程Y的概率密度函数，b是（3.3）中声称的实值常数。证据在证明Prop时，使用了类似的参数。3.2在[8]中，我们得到φZk（x）=e-九（1+g/n）eix（1+c）- ixZ1+ceixwQ（Rk≤ w- 1） dw！。（4.7）利用（3.6）和分布函数的定义，我们得到（4.7）Z1+ceixwQ（Rk）中的最后一个积分≤ w- 1） dw=Z1+cZln（w）-∞eixwfYτ（u）dudwwhere Yτ~ M（α，β，Δτ，（u+b）τ）是（3.5）中给出的Meixner–Lévy过程，fyτ（u）构成（4.6）中Q下Yτ的概率密度函数。应用Fubini定理，然后分解得到的外积分，w ededuceZ1+ceixwQ（Rk≤ w- 1） dw=Z-∞Z1+ceixwfYτ（u）dwdu+Z1+cZ1+cueixwfYτ（u）dwdu。接下来，我们计算emergin g dw积分，并最终将得到的表达式替换为（4.7），得到（4.5）。如果我们在（4.4）中插入（4.5），我们会得到特征函数φZ（x）的重新表示。让我们继续计算等式[Zk]。94 M.赫斯建议4.3。假设Zk=min{c，Rk}- g/n，其中k∈ {1，…，n}。然后，Q下Zk的第一个力矩由公式[Zk]=-1.-gn+（1+c）Z∞1+cfYτ（u）du+Z1+cufYτ（u）du（4.8），其中fYτ（u）是（4.6）中Q下Yτ的概率密度函数。证据根据道具。2.4在【4】中，我们有eq【Zk】=ix个φZk（x）x=0。（4.9）将（4.5）替换为（4.9）立即产生（4.8）。如第2节所述，我们将Meixner-Lévy过程的累积分布函数（cdf）称为Yt，即FYt（x）：=Zx-∞fYt（u）DU不具有封闭形式的r e表示，但可以使用数值方法有效计算。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-9 20:51:34

还要注意，（4.5）和（4.8）中出现的所有积分都是有限的，因为fYτ（·）构成概率密度函数，而Meixner–Lévyprocess Yτ拥有所有阶矩（参见[13]）。4.2采用傅立叶变换技术的Cliquet期权定价推导公式[Zk]、φZ（x）和Cinvolving傅立叶变换的表达式以及Lévy–Khinchin公式的另一种方法。在下文中，我们介绍了该方法，该方法已在cliquet option pricingcontext的[8]中首次提出。提案4.4。让Yt~ M（α，β，δt，（u+b）t）是（3.5）中考虑的Meixner–Lévy过程。假设that Zk=min{c，Rk}- g/n，其中k∈ {1，…，n}且设θ>0为有限实值阻尼参数。那么，Q下的第一时刻Zk可以表示为Q[Zk]=c-gn公司-2πZR（c+1）1+θ+iy（θ+iy）（1+θ+iy）φYτ（iθ）- y） dy（4.10），其中特征函数φyτ由φyτ（iθ）给出- y） =e-（θ+iy）（u+b）τcos（β/2）cosh（（i（αθ- β) - αy）/2）2δτ. （4.11）证明。p屋顶遵循sam e线作为支柱的证明。3.4英寸[8]。从（4.1）和等式min{c，Rk}=c- [c]- Rk]+we dedu ceEQ【Zk】=c- 总工程师- 均衡器（c）- Rk）+.Cliquet期权定价与Meixner过程95考虑到（3.4），我们下一步接收eq[Zk]=c- 总工程师- 均衡器c+1- eYτ+式中，τ=tk- tk公司-1和Y是（3.5）中给出的实值Meixner–Lévy过程。当有限和实值阻尼参数θ>0时，我们定义函数Д（u）：=eθuc+1- 欧盟+.自^1起∈ L（R），其傅里叶变换存在，读数为^Д（y）=（c+1）1+θ+iy（θ+iy）（1+θ+iy）。利用傅里叶逆变换和富比尼定理，我们得到c+1- eYτ+= 均衡器e-θYτИ（Yτ）=2πZR^И（y）等式e-（θ+iy）YτDY，这意味着（4.10）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:39

（4.11）中给出的特征函数φYτ的表达式可通过（2.9）直接获得。我们在命题4.4证明中的论证激发了以下考虑。提案4.5。让Yt~ M（α，β，δt，（u+b）t）是（3.5）中提出的Meixner–Lévy过程。假设Zk=min{c，Rk}-g/n带k∈ {1，…，n}和c≥ 那么Q下Zk的特征函数为φZk（x）=e-ixg/neixc+Zln（1+c）-∞eix（欧盟-1)- eixc公司fYτ（u）du！（4.12）式中，Q下Yτ的概率密度函数fYτ如（4.6）所示。证据类似于支柱证明中的计算。3.5英寸[8]产量（4.12）。有一种涉及（4.9）的替代方法来推导等式[Zk]的表达式，如下所示。推论4.6。在命题4.5的设置中，我们得到了表示eq[Zk]=c-gn+Zln（1+c）-∞欧盟- 1.- cfYτ（u）du。（4.13）证明。所要求的陈述紧随【8】中的等式（3.16）。受命题4.4证明中应用的傅立叶变换技术的启发，我们现在将重点放在推导（4.2）中的cliquetoption price Cgiven的替代表示f上。相应的结果如下所示。96 M.HessTheorem 4.7（傅里叶变换cliquet期权价格）。让k∈ {1，…，n}并考虑独立同分布的随机变量s Zk=min{c，Rk}-序号，其中c≥ 0是loca l cap，g是到期担保利率，RK是（3.4）中定义的回报过程。对于n∈ N我们设置:= 北卡罗来纳州- g，用T表示到期时间，用K表示名义利率，用r.LetYt表示无风险利率~ M（α，β，δt，（u+b）t）b e（3.5）中给出的Meixner–Lévy过程。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-9 20:51:42

然后，cliqu et option payingHT=K1+g+max（0，nXk=1Zk）在时间零点的价格！到期时可表示为asC=Ke-rT“1+g+Z∞+1+iy - 艾伊2πy×1+Zln（1+c）-∞eiy（欧盟-1.-c）- 1.fYτ（u）du！ndy#（4.14），其中fYτ（u）构成（4.6）中所述的概率密度函数。证据如果我们用fYτ替换其中的fXτ，那么[8]中的T heorem 3.7的证明同样适用。5结论在本文中，我们研究了基于几何纯跳跃Meixner–Lévy过程的股票价格的月和c a p型cliquet期权的定价。在第2节中，我们收集了关于Meixner分布和相关的随机Meixner-Lévy过程的各种事实。在第3节中，我们引入了由Meixner–Lévy过程驱动的astock价格模型，并建立了从风险中性到物理概率度量的定制结构服务前度量变化。此外，我们在第4.1节中使用驱动Meixner–Lévy过程的概率分布函数，并在第4.2节中应用傅立叶变换技术，获得了cliquet optionprice的半解析表达式。要阅读更多关于jum p-diffusion Lévy模型中cliquet期权定价的信息，读者请参阅accomp anying文章[8]。参考文献【1】Albrecher，H.、Ladoucette，S.、Schoutens，W.：合成CDO定价的通用单因素Lévy模型。《数学金融的进展》，第259-277页。Bir kh"auser，（2007年）。MR2359372。10.1007/978-0-8176-4545-8\\u 14【2】伯纳德，C.，博伊尔，P.，戈纳尔，W.：本地上限合约和散户投资者。《衍生工具杂志》18（4），72–88（2011）。10.3905/jod。2011.18.4.072 Meixner流程的Liquet期权定价97[3]Bernard，C.，Li，W.：Cliquet期权和本地封顶合同的定价和对冲。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝